今天,我们对带宽的渴求已经达到了史无前例的程度。为了满足这一需求,贝尔实验室,阿尔卡特朗讯的工业研究机构,一直在研究高端网络如何使用融合的IP和光传输技术,以满足当今的网络需求。
研究人员发现,融合的IP /光控一体化可以减少网络资源的需求,而不会影响服务的可用性。这是通过“比较在两个IP路由和光传输网络整合和协调弹性的方法的相对成本完成。弹性是如果发生故障,是操作者的高度可靠的网络的基本组成部分,以恢复正常操作的网络的能力。 “
根据贝尔实验室,是通过会聚IP路由和光传输技术“运营商最多使用少40%的网络资源,例如100G路由器端口和光学转发器,同时能够满足服务可用性的相同要求。”这意味着用正确的基础设施,互联网服务供应商和运营商能够满足低的前期成本提高客户的带宽需求。
互联网服务供应商已经抱怨FCC重新定义宽带为25Mbps。但是,如果贝尔实验室是正确的,建设出来迎接这一新的标准可能会越来越昂贵的互联网,会让服务供应商开始担心。
具体来说,贝尔实验室的研究人员发现成本节约的潜在需求:
研究人员还预测,通过建立一个集成的多层控制平面更多的储蓄可以通过以下步骤来实现:
在贝尔实验室的杰出技术人员汤本在声明中说,“没有比现在更好的时间,开始IP和光传输的融合。我们知道,网络流量不断成倍增加,尤其是与新的云应用和在地平线上“机器的崛起”,这项研究提供了这将是一个深沉的样子到新的优化,网络架构和基础设施的基础。“
GMPLS一直被认为是一个潜在的改变游戏规则的第1层的ISP。这个问题一直是你如何顺利与旧IP MPLS网络中,我们往往用至今整合它。它的出现,基于贝尔实验室的研究中,这个问题终于得到了解决。更妙的是,它不再对测试台架,但在美元和美分世界总拥有成本(TCO),其中控制如何在互联网实际上是部署有效的解决方案。
随着互联网电视的增长,Netflix公司一直是带宽最大的单一消费个体,而我们的所有新的高带宽应用,如大数据和云计算,更不用提物联网设备对相对匮乏的互联网的数据的冲击也即将到来。我们需要更加经济、高效的带宽的这种需求比以往任何时候都更加迫切。那么,GMPLS恰恰就能够帮助弥合铜线和光纤网络之间的差距,这不正是我们所需要的吗。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。